基于小波包分解的功率谱方法在人字门启闭机减速器故障诊断中的应用

针对船闸人字闸门机械式启闭机减速器中滚动轴承振动的不平稳性及其故障信号中存在噪声和干扰的问题,提出了一种基于小波阈值算法的小波包分解与功率谱分析的故障诊断方法。该方法通过对故障信号进行小波分解且对其系数作阈值处理,并利用处理后的分解系数进行小波逆变换得到降噪后的信号,然后对降噪后的信号进行小波包分解,找到能量集中的节点,对其进行Hilbert包络解调并求其Hilbert包络线的功率谱,从而提取故障特征信息。应用实例表明:仿真信号与某船闸人字闸门机械式启闭机减速器故障诊断方法能降低信号噪声以及干扰,并能提取故障特征信息。     

小波包分析在柴油机故障诊断中的应用

分析了柴油机缸盖振动机理,运用小波包对振动信号进行分析与讨论,将含噪信号进行小波包降噪处理,对降噪信号进行小波包分解,通过提取频带能量特征,对柴油机缸盖漏气故障进行了诊断.     

小波包分析在柴油机故障诊断中的应用

分析了柴油机缸盖振动机理，运用小波包对振动信号进行分析与讨论，将含噪信号进行小波包降噪处理，对降噪信号进行小波包分解，通过提取频带能量特征，对柴油机缸盖漏气故障进行了诊断。     

基于EMD的船舶动力系统振动信号分析

为了提高船舶动力系统的故障分析和诊断能力,需要对振动信号进行模态分解和特征分析,提取有用的信号特征量,实现故障检测,提出基于经验模态分解(EMD)的船舶动力系统振动信号分析方法,采用宽带非平稳信号建模方法进行船舶动力振动信号建模,采用匹配滤波检测器对振动传感器采集的原始信号进行降噪滤波处理,对降噪输出的信号进行经验模态分解,提取信号的所有局部极值点,用三次样条曲线分析方法提取振动信号的复包络,实现信号特征提取和分析。仿真结果表明,该方法提取的信号特征量能有效反映船舶动力系统的工况特征,实现船舶动力系统的运行状态实时监测和故障分析,信号分析的抗干扰能力较强。     

基于振动信号关联维数的柴油机故障诊断及实验研究

通过选择合适的嵌入维数以及计算关联维数可用来表征柴油机振动信号的分形性质,但实际测取的振动信号中存在着许多干扰信息.利用改进的小波包分解和重构算法对原始信号进行降噪处理,可使信号关联维数较为接近于系统的真值.实验分析表明,利用降噪后的信号关联维数判断柴油机运行状态具有准确性高的特点.     

基于集合谱峭度法的轴承故障诊断

轴承早期故障引起的微弱振动变化信号往往淹没在机械传动系统的背景振动噪声中,其故障特征提取困难。本文针对滚动轴承故障振动信号的非平稳性及调制特性,提出集合经验模式分解和谱峭度法合的滚动轴承故障特征信号提取及其故障诊断的新方法——集合谱峭度法(Ensembled Kurtogram,EK)。该方法应用集合经验模式分解将振动信号分解为多个固有模式函数,分别计算各个固有模式函数的峭度值及其与故障工况下振动信号、正常工况下振动信号之间的相关性,根据IMFs自动选取规则选取合适的IMFs进行轴承故障信号的重构;然后针对重构后的信号进行谱峭度计算得到对应的峭度图,根据峭度图上最大值原则选取最佳带通滤波器进行滤波;最后运用包络解调后的信号进行故障诊断。本文通过模拟仿真和实验验证,验证了该算法的故障信号提取有效性和故障诊断能力。     

基于小波神经网络的内燃机失火故障诊断

内燃机振源复杂,工况变化频繁,振源频率重叠.振动信号包含大量的随机噪声,信噪比低,使相关分析和频谱分析用于基于振动信号的内燃机故障诊断的通用性不强.文章构造了小波神经网络,将小波分析用于降噪,以提高信噪比.降噪后的信号转换成自定义的特征参数,然后输入BP神经网络.通过诊断训练,给出了失火检测的实例.     

基于机器学习的舰船机电装备故障诊断

随着信息技术的发展,以机器学习、模式识别为代表的人工智能技术在故障诊断领域逐步得到应用。通过对振动噪声信号的采集,利用时频分析技术对信号进行分解,并提取故障特征参数,再利用机器学习或模式识别技术对信号进行判别分类,可以实现舰船机电装备的智能诊断。为了验证该方法,选择经验模态分解方法进行信号分解,采用支持向量机进行诊断分类。通过实验表明,该方法有着较高的诊断精度,故障诊断率达到了96.7%,可以对舰船机电装备常见故障进行准确的智能诊断。     

EMD技术在机械震动故障中的诊断方法

齿轮箱是船舶机械动力系统的核心装置,连接着动力系统各精密零部件,在船舶的整个航行中起着动力枢纽作用,对它的故障诊断的效率及准确性关系着航行的效率,也船舶系统工程重要研究方向。传统的故障诊断依靠测量设备对振动点进行大量测量,随后通过时域信号分析,其测量工作繁重且信号分析复杂度较大,已越来越不能适应现代故障检测要求。本文利用EMD技术对机械振动中的故障进行检测,对振动信号降噪利用小波变换进行处理,有效提高了诊断效率及精确度。     

基于EEMD和EIIKF的船舶轴系状态趋势预测研究

监测、分析、预测轴系的状态数据对保障船舶动力系统正常工作具有重要意义。基于船舶轴系振动状态监测,提出集合经验模态分解(EEMD)和增强型间歇性未知输入卡尔曼滤波器(EIIKF)相结合的故障趋势预测方法。在进行模态分解前,通过加入白噪声信号优化信号的可分解性,避免出现模态混叠。进而对滤波重构后的信号进行序贯分析得到振动信号的特征曲线,采用EIIKF方法对特征曲线分析预测,并通过引入间歇性参数,对部分未知输入项带来的不确定性进行补偿。在此基础上通过故障判别模型进行故障诊断,实现基于轴系振动信号的故障预测。利用实测故障样本数据对所提出的方法进行验证,其预测结果的及时性和准确性均优于一般模态分解和卡尔曼滤波器预测的方法,验证了改进后方法的有效性和优越性。     

基于时间序列与小波分析的船舶柴油机故障诊断

模拟柴油机气阀间隙异常的几种情况,并实时监测柴油机缸盖振动信号.采用时间序列分析方法对船舶柴油机缸盖振动信号功率谱进行识别,采用小波变换方法对各信号进行小波包分解,并提取故障特征频段信号进行功率谱估计,实现精确故障诊断.     

水工结构在CEEMDAN算法基础上的振动信号处理研究——以三峡重力坝泄流工程为例

由于水工结构振动信号具有两种特点:第一,非平稳性,第二,非线性,因此在借助EMD和EEMD对其进行降噪处理时,容易出现模态混叠、计算效率低下以及需要通过大集成次数来重构误差趋向于0等方面的不足。同时,水工结构振动信号容易受到各类噪声的干扰,给后期的状态评估带来了一定的影响。基于此,本文针对此问题进行了研究,提出了CEEMDAN与排列熵联合对水工结构振动信号降噪重构处理的方法,并通过仿真实验和实例分析对其进行了验证,表明了该方法在信号降噪处理上的可行性。     

基于时频分布图像的柴油机故障诊断

为研究柴油机故障诊断中图像分析法存在的问题,提出了一种基于时频分布图像分析的柴油机故障诊断方法.采集缸盖表面振动信号进行经验模态(Empirical Mode Decomposition,EMD)分解,得到各阶内禀模态函数(Intrinsic Mode Function,IMF),由前2阶IMF重构振动信号,并经Hib...     

一种新的滚动轴承故障诊断方法

滚动轴承发生故障时,其振动信号常呈现出强烈的非平稳特性。提出了一种基于小波变换和固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)的滚动轴承故障诊断方法。阐述小波分析基本理论和ITD分解基本原理。着重介绍基于小波和ITD分解滚动轴承故障诊断。仿真信号和实验结果表明,以小波与ITD分解相结合的信号特征提取方法,能够准确有效地提取滚动轴承的故障特征。     

利用经验模态分解-最小均方算法进行舰船辐射噪声仿真信号线谱分析

舰船等海上作业平台会产生各种各样的振动,这些船体上的振动以辐射的方式传入海水中,形成舰船辐射噪声,分析和提取舰船辐射噪声信号在军事领域和海洋探测领域等具有重要意义。本文在小波变换处理噪声信号的基础上,利用经验模态分解-最小均方算法对舰船辐射噪声进行仿真信号线谱分析,取得良好的降噪效果。     

奇异值分解降噪的改进方法

利用测试信号构造Hankel矩阵进行奇异值分解(SVD)是消除随机噪声干扰的有效方法,其关键是奇异值数目的选取,但目前尚无成熟有效的确定方法。针对这一问题,提出了一种奇异值分解降噪的改进方法,该方法依据去噪后信号极值点数量随奇异值数目变化的关系,可以准确选取与最优降噪效果对应的奇异值数目。仿真及实验结果表明,该方法准确、有效。利用该方法处理船舶和机械设备振动噪声测试信号,可有效提高其信噪比,最大程度地优化信号去噪的效果,提高分析的可靠性。     

基于改进EEMD的船用柴油机缸套-活塞环故障诊断方法

船用柴油机缸套-活塞环发生故障时，振动信号呈现非线性、非平稳性特征且故障特征模糊、隐蔽。文章提出一种基于改进集成经验模态分解（EEMD）的故障诊断方法。通过设计固有模态函数（IMF）信息筛选准则对EEMD分解出的固有模态分量（IMFs）进行重新排序，筛去低质量的IMFs，以此获得包含更多能体现故障特征成分的重构信号，经该方法处理的信号再送入到分类器中进行识别和分类故障，实现船用柴油机缸套-活塞环的故障诊断。试验结果表明：与原EEMD诊断方法相比，该改进方法识别率更高，故障诊断效果更好。     

旋转机械状态振动监测与故障诊断系统

旋转机械状态振动监测和故障诊断技术主要包括振动监测、振动信号处理和分析、故障诊断等．针对这些特点,以Windows2000及WindowsXP为开发平台,采用LabVIEW及MAT—LAB为编程工具,综合计算机技术、虚拟仪器技术、信号处理技术与故障诊断等技术,开发了一套旋转机械状态振动监测与故障诊断系统．该系统可以实现对振动信号的多通道采集、存储,实现离线、在线信号的时域、频域、幅值域、时频域分析处理;配置独立的小波分析模块,可以实现存储信号的小波消噪、小波包分解、发展趋势识别等功能．同时,还可实现对旋转机械故障的早期监测与其常见故障的诊断等功能．     

基于振动信号分析的船机故障诊断研究

随着信号分析与处理技术的发展,振动信号分析技术在船机故障诊断中的应用越来越成熟。文章通过实验的方法,针对船舶柴油机的缸套在不同磨损情况下所产生的振动信号进行测量与分析,验证了振动信号分析在船机故障诊断中应用的有效性与可行性。     

激光雷达信号小波降噪算法参数选取规则

对激光雷达信号降噪算法进行研究,分析指出小波分解降噪算法能较好地对其进行信号处理.重点对小波降噪算法参数选取进行研究,利用激光雷达仿真信号为例进行仿真实验.结果表明,选用尺度参数为4的coif4小波为基函数,采用启发式阈值的软阈值处理效果较好.该降噪算法能在能量损失较低的前提下极大提高信噪比,为后续的数据分析提供更多高精度数据进而提高探测精度.